「编程Agent评测」共找到 3990 篇相关文章
具身智能“高考”难疯了！人类100分，最强模型12.8
原推出RoboTwin系列基准的团队带来RoboDojo，这是统一的仿真+真实世界机器人操作评测基准。它设42个仿真任务、18个真实任务，让30个主流策略竞技，结果显示机器人距通用操作差距大。
兼顾效率、成本与能力，百灵开源旗舰推理模型 Ring-2.6-1T
5月15日，蚂蚁百灵开源旗舰级推理模型Ring-2.6-1T，权重文件上线Hugging Face、ModelScope平台。该模型有万亿参数，‘按需思考’，在代理执行、推理机制、训练范式三方面升级，评测表现出色。
Q:Lab · 龙虾季 | 直播预告
InfoQ中国推出AI产品测评直播栏目「Q:Lab」，第一季“龙虾季”聚焦AI Agent产品，有3期直播，分别在4月21、23、27日，每期围绕职业场景测评多款产品，还有AICon 2026会议推荐。
吴恩达来信：AI Dev 26即将举办！
吴恩达来信称 4 月 28 - 29 日将在旧金山举办 AI Developer Conference，主题为‘软件工程的未来’。他认为 AI‘就业末日’没那么严重，软件工程岗位在增长，还指出编程变化及行业待解问题。
立省499！我给你们找到了最傻瓜的OpenClaw安装方式。
作者应读者需求，寻找简单的OpenClaw安装方式，发现智谱的AutoClaw。它本地部署，支持Mac和Win，配置简单，还优化技能、显示用量，支持多模型API，能建分身，让普通人感受Agent魅力。
爆火的OpenClaw怎么玩？谷歌老哥40天打磨终极配置单开源：让你的龙虾越养越聪明，自动打怪升级
OpenClaw正掀起AI狂潮，谷歌高级AI产品经理Shubham Saboo经40天实战打磨出OpenClaw Agent终极落地方案。其系统架构分身份、操作、知识三层，文件不断进化，文末附实操路线图。
n8n、扣子太难用了，Vibe Workflow 才是更大众的解
本文介绍 Refly.AI 推出的 Vibe Workflow，该产品获朱啸虎、高瓴投资且开源。它让普通人搭 Workflow，用 Agent 节点替代传统节点，降低门槛，还能迁移其他平台数据，核心是借模型提升发展。
OpenAI谷歌Anthropic罕见联手发研究！Ilya/Hinton/Bengio带头支持，共推CoT监测方案
OpenAI、谷歌DeepMind、Anthropic联合发表立场文件，提出CoT监测概念，认为是控制AI Agent核心方法。探讨其潜在机遇、局限，还提及不同公司对CoT监测的不同态度，如OpenAI乐观，Anthropic焦虑。
从答题到做实验：SciAgentGym让大模型进入科学工作流
复旦大学NLP实验室提出SciAgentGym，为科学智能体搭建工作流环境，还设计了评测集SciAgentBench。实验显示模型接入工具能提升成功率，但长流程任务性能下降。论文还提出SciForge构建训练数据，提升了模型表现。
蚂蚁集团领投，光轮智能20亿美元估值引领全球具身数据基础设施｜甲子光年
具身智能市场逻辑生变，从关注模型和本体转向数据与评测基础设施。光轮智能获蚂蚁集团领投，估值超20亿美元。其构建完整闭环，参与国际标准制定，打造物理AI教育系统，引领产业发展。